本发明提供了一种基于自注意力机制的卷积循环深度学习网络实现测井岩性识别的方法，主要包括：(1)数据集构建，即利用钻井取心岩性描述结果和取心井段的测井数据组建样本；(2)模型构建，即确定样本输入方式及模型基本结构；(3)模型训练，即去除空值和异常值，样本特征值归一化，标签值编码，并将样本分为训练集、验证集和测试集；(4)模型评价，即基于PyTorch实现构建模型、参数优化、模型训练和验证。本发明构思合理，通过构建岩心—测井映射关系实现测井岩性识别。